基于深度学习的矩阵分解推荐模型

摘要：

通过对深度学习和矩阵分解技术进行结合,设计一个深度神经网络对用户和物品进行特征提取,形成用户隐向量和物品隐向量的方法,计算这两个隐向量的内积得到用户对物品的评分预测.为提高推荐精度,提出使用显式数据和隐式数据并设计新的损失函数能够同时计算这两类数据损失的方法.在两个公开数据集上的实验结果表明,该方法比基线模型在HR和NDCG推荐指标上有较大提升.

关键词：推荐系统、深度学习、矩阵分解、神经网络、大数据

所属期刊栏目：43

分类号：TP301(计算技术、计算机技术)

资助基金：河北省引进留学人员基金项目;国家自然科学基金;河北民族师范学院校级基金项目;河北省自然科学基金

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1179-1185